用Matplotlib庫繪圖

Matplotlib是一個非常好用的高質量繪圖工具庫，可以根據輸入的資料繪制各種圖形，如折線圖、柱狀圖、餅圖、散點圖等，

1．繪制折線圖

折線圖是用直線段將各資料點連接起來而組成的圖形，以折線方式顯示資料的變化趨勢，下面我們繪制一個簡單的折線圖，

從Matplotlib庫匯入pyplot模塊，簡稱plt，

>>> import matplotlib.pyplot as plt

準備繪圖時要用到的資料，x和y表示與x軸和y軸對應的資料，

>>> x=[0,1,2,3,4,5]
>>> y=[0,1,4,9,16,25]

呼叫模塊的plot函式繪圖，

>>> plt.plot(x,y)

呼叫模塊的savefig函式把圖形保存為矢量圖，

>>> plt.savefig('H:\示例\第9章\plt_line.svg')

用瀏覽器打開矢量圖，效果如圖9-10所示，

圖9-10

plot函式包括許多引數，除了資料之外，常用的引數如下：color表示折線的顏色，marker表示折線上資料點處的標記風格，linestyle表示折線的型別，linewidth表示線條粗細，markersize表示資料點標記大小，

>>> plt.plot(x,y,color='red', marker='o', linestyle='dashed', linewidth=1, markersize=5)

呼叫模塊的show函式顯示圖形到螢屏，

>>> plt.show()

顯示效果如圖9-11所示，

圖9-11

顏色（color）、標記風格（marker）、線條樣式（linestyle）的設定可以進一步簡寫，可以用每個屬性的縮寫，例如，“ro:”表示紅色、圓點、虛線，

>>> plt.plot(x,y,'ro:', linewidth=1, markersize=5)

常用的顏色縮寫包括：藍（b）、綠（g）、紅（r）、藍綠（c）、洋紅（m）、黃（y）、黑（k）、白（w），

常用的點型縮寫包括：點標記（.）、像素標記（,）、實心圈標記（o）、倒三角標記（v）、上三角標記（^）、左三角標記（<）、右三角標記（>）、下花三角標記（1）、上花三角標記（2）、左花三角標記（3）、右花三角標記（4）、實心方形標記（s）、五邊形標記（p）、星標記（*）、豎六邊形標記（h）、橫六邊形標記（H）、加號標記（+）、叉標記（x）、鉆石標記（D）、菱形標記（d）、豎線標記（|）、橫線標記（_），

常用的線型縮寫包括：實線（-）、破折（--）、點畫線（-.）、虛線（:）、無線條（空格），

在Matplotlib中畫圖，要提供x軸所有的數值以及y軸所有的數值，而且這兩個數值串列的數目要能夠逐一配對，也就是一個x值要搭配一個y值，上例中，實際上就是將（0,0）、（1,1）、（2,4）、（3,9）、（4,16）、（5,25）這6個點連接起來，

要注意的是，當只輸入一維資料的時候，自動將其當作y軸數值處理，x軸默認生成[0,1,2,…]，

下面我們在圖中繪制多條折線圖，

   import matplotlib.pyplot as plt
   x=[0,1,2,3]
   y0=[4,6,8,10]
   y1=[4,9,16,25]
? plt.plot(x,y0,'bo--',label='電腦')
   plt.plot(x,y1,'rp-',label='手機')
? plt.legend(loc='best')
? plt.rcParams['font.sans-serif']=['SimHei']
? plt.title('2019年各產品銷量(單位：萬臺)', fontsize=20)
   index_name=['1季度', '2季度', '3季度', '4季度']
? plt.xticks(x, index_name)
   plt.show()

陳述句?繪制兩條不同風格的折線；陳述句?呼叫legend函式設定圖例位置；陳述句?呼叫rcParams函式設定中文字體；陳述句?呼叫title函式設定圖表標題；陳述句?呼叫xticks函式設定x軸數值，最后呼叫show函式顯示圖形，效果如圖9-12所示，

圖9-12

2．繪制其他型別圖形

折線圖是基于plt.plot函式繪制的，Matplotlib庫還提供了許多不同種類圖形的函式，

下面我們將多種型別的圖形繪制在一起，

   import matplotlib.pyplot as plt
   plt.rcParams['font.sans-serif']=['SimHei']
   x=[0,1,2,3]
   label=['東區','西區','北區','南區']
   value=[2,4,6,8]
? fig=plt.figure()
? ax_1=fig.add_subplot(2,2,1)
? ax_1.plot(x,value,'rp-')
? ax_1.set_xticks([0,1,2,3]) 
? ax_1.set_xticklabels(['東區','西區','北區','南區'])  
? ax_2=fig.add_subplot(2,2,2)
   ax_2.pie(value,labels=label,autopct='%1.1f%%',startangle=90) 
? ax_3=fig.add_subplot(2,2,3)
   ax_3.bar(label,value)
? ax_4=fig.add_subplot(2,2,4)
   ax_4.barh(label,value)
   fig.show()
? fig.savefig('H:\示例\第9章\pyplot_4.png', dpi=400)

陳述句?呼叫figure函式新建一個畫布，然后在這個畫布上添加各種元素；陳述句?在2×2的繪圖區域添加第一個子圖；陳述句?在子圖中繪制折線；陳述句?設定x軸的標簽；陳述句?設定x軸的標簽文字；陳述句?繪制餅圖；陳述句?繪制柱狀圖；陳述句?繪制條形圖；陳述句?保存圖片到本地，效果如圖9-13所示，

圖9-13

9.3.2　用pandas庫繪圖

Matplotlib庫功能強大，但是相對底層，前面章節介紹過的資料分析庫pandas，它的繪圖功能就是基于Matplotlib庫，這里繼續介紹用Pandas庫繪圖的方法，

Series和DataFrame是Pandas庫中主要的兩種資料結構，都內置了plot方法，可以繪制圖形，

1．Series.plot

Series是一個一維資料結構，它由index和value組成，類似于Excel表格中的一列資料，由行號和資料組成，根據這樣一列資料，我們可以繪制各種圖表，如柱狀圖、條形圖、折線圖、餅圖等，

下面以實體說明，

? import pandas as pd
   import matplotlib.pyplot as plt
? plt.rcParams['font.sans-serif']=['SimHei']
? data=pd.Series([2,4,6,8],index=['1季度', '2季度', '3季度', '4季度'])
? fig=data.plot(kind='bar', title='2019年各季度銷量(單位：萬臺)',
              figsize=(20,16),fontsize=30)
? fig.axes.title.set_size(40)
   plt.show()

陳述句?匯入pandas庫，并給它起別名pd，匯入Matplotlib庫的pyplot子模塊，并給它起別名plt；陳述句?是設定中文字體；陳述句?構造資料；陳述句?繪制柱狀圖并設定標題；陳述句?設定標題字號，效果如圖9-14所示，

圖9-14

plot函式也有許多引數，例如引數kind控制圖表型別，將kind='bar'修改為kind='pie'，圖表將變為餅狀圖，效果如圖9-15所示，

圖9-15

2．DataFrame.plot

DataFrame是一個二維結構，除了擁有index和value之外，還擁有column，它類似于一張Excel表格，由多行、多列構成，DataFrame由多個Series物件組成，無論是行還是列，單獨拆分出來都是一個Series物件，

下面以實體說明，

   import pandas as pd
   import matplotlib.pyplot as plt
   plt.rcParams['font.sans-serif']=['SimHei']
? data=pd.DataFrame([[3,8],[2,6],[6,1],[5,4]], 
           index=['1季度', '2季度', '3季度', '4季度'],columns=['手機', '電腦'])   
? fig=data.plot(kind='bar',title='2019年各季度產品銷量(單位：萬臺)',
           figsize=(20,16),fontsize=30)
 fig.axes.title.set_size(40)
 plt.legend(loc='best',fontsize=30)
   plt.show()

陳述句?構造了繪圖所需資料；陳述句?繪制圖表，設定標題、圖表區大小、字號；陳述句設定標題字號；陳述句設定圖例字號，最后顯示圖表，效果如圖9-16所示，

圖9-16

9.3.3　用Python繪制詞云圖

使用Python不僅可以繪制統計圖表，還可以繪制各種可視化圖，例如文本分析常用的詞云圖，

詞云圖，也叫“文字云”，是文本中出現頻率較高的“關鍵詞”的視徑訓展現，頻率越高，則字體越大、越突出，也越重要，相對于柱狀圖、折線圖、餅圖等用來顯示數值資料的圖表，詞云圖可以展示大量文本資料，通過過濾掉大量的低頻低質的文本資訊，使瀏覽者只要一眼掃過文本就可領略文本的主旨，

制作詞云圖要使用的庫有：jieba、wordcloud、numpy、PIL、matplotlib，它們的安裝方法都非常簡單，直接用pip命令安裝即可，

下面我們通過爬蟲抓取電影《我們的未來》豆瓣點評，并制作點評文字的詞云圖，

? import numpy as np
   import jieba
   from PIL import Image
   from wordcloud import WordCloud, STOPWORDS
   import matplotlib.pyplot as plt
? with open(r'H:\示例\第9章\影評.txt', 'rb') as f:
       text=f.read()
 words=jieba.cut(text)
   wordstr=' '.join(words)
 wordcloud=WordCloud(font_path='H:\示例\第9章\msyh.ttf', 
       mask=np.array(Image.open(r'H:\示例\第9章\background.png')),
       width=600, height=600, max_words=100, max_font_size=80,
       stopwords=set(STOPWORDS),scale=4,background_color='white')
? wordcloud.generate(wordstr)
? wordcloud.to_file(r'H:\示例\第9章\wordcloud.png')

陳述句?引入必要的庫檔案；陳述句?打開影評檔案，讀取文本；陳述句使用jieba分詞，將檔案分割為詞語；陳述句設定詞云圖，如字體、背景（mask）、寬、高、最大字數、最大字號、停用詞（排除詞串列，即不顯示的單詞串列，如助詞等）、縮放、背景顏色等；陳述句?匯入詞語，生成詞云圖；陳述句?將生成的詞云圖保存到本地，

打開詞云圖，效果如圖9-17所示（略），

本文摘自《學Python，不加班——輕松實作辦公自動化》

這是一本關于如何利用Python提高日常辦公效率的書，書中凝聚了作者多年的實踐經驗和獨特思考，旨在幫助讀者準確、高效地完成大量高重復度的作業，

本書匯集了日常辦公和處理檔案時常見的問題，通過實體的演示與講解，幫助讀者靈活有效地使用Python處理作業中遇到的問題，全書共11章，涵蓋Python的各種應用場景，具體包括檔案管理自動化，網路資訊自動獲取，TXT、XLS／XLSX、DOC／DOCX、PPT、PDF、圖片檔案的自動化處理，模擬滑鼠、鍵盤操控本地軟體，自動化運行管理等，本書力圖淡化編程中的抽象概念，貼合作業場景，注重實戰效果，通過對Python技術的巧妙講解，幫助讀者成為高效率的辦公室“超人”，